5月7日，理想汽車推出“理想AI Talk第二季——理想VLA司機(jī)大模型，從動(dòng)物進(jìn)化到人類”，理想汽車董事長兼CEO李想重點(diǎn)分享了對于人工智能的最新思考，VLA司機(jī)大模型的作用、訓(xùn)練方法和挑戰(zhàn)，以及對于創(chuàng)業(yè)和個(gè)人成長的見解。
李想將AI工具分為三個(gè)層級，分別是信息工具、輔助工具和生產(chǎn)工具。
李想表示：“判斷Agent（智能體）是否真正智能，關(guān)鍵在于它是否成為生產(chǎn)工具。只有當(dāng)人工智能變成生產(chǎn)工具，才是其真正爆發(fā)的時(shí)刻。就像人類會(huì)雇傭司機(jī)，人工智能技術(shù)最終也會(huì)承擔(dān)類似職責(zé)，成為真正的生產(chǎn)工具。”
VLA的實(shí)現(xiàn)不是突變的過程，是進(jìn)化的過程
目前的L2、L2+組合駕駛輔助仍屬于輔助工具階段，而VLA（視覺語言行動(dòng)模型）能夠讓AI真正成為司機(jī)，成為交通領(lǐng)域的專業(yè)生產(chǎn)工具。對理想汽車而言，未來的VLA就是一個(gè)像人類司機(jī)一樣工作的司機(jī)大模型”。
VLA的實(shí)現(xiàn)不是一個(gè)突變的過程，是進(jìn)化的過程，經(jīng)歷了三個(gè)階段，對應(yīng)理想汽車輔助駕駛的昨天、今天和明天。第一階段，理想汽車自2021年起自研依賴規(guī)則算法和高精地圖的輔助駕駛，類似“昆蟲動(dòng)物智能”。第二階段，理想汽車自2023年起研究，并于2024年正式推送的端到端+VLM（Vision Language Model，視覺語言模型）輔助駕駛，接近“哺乳動(dòng)物智能”。
端到端模型在處理復(fù)雜問題時(shí)存在局限，雖可借助VLM視覺語言模型輔助，但VLM使用開源模型，使其在交通領(lǐng)域的能力有限。同時(shí)端到端模型也難以與人類溝通。為了解決這些問題并提升用戶的智能體驗(yàn)，理想汽車自2024年起開展VLA研究，并在多項(xiàng)頂級學(xué)術(shù)會(huì)議上發(fā)表論文，夯實(shí)了理論基礎(chǔ)。
在端到端的基礎(chǔ)上，到第三階段，VLA將開啟“人類智能”的階段。它能通過3D和2D視覺的組合，完整地看到物理世界，而不像VLM僅能解析2D圖像。同時(shí)，VLA擁有完整的腦系統(tǒng)，具備語言、CoT（思維鏈）推理能力，既能看，也能理解并真正執(zhí)行行動(dòng)，符合人類的運(yùn)作方式。
VLA司機(jī)大模型以“司機(jī)Agent（智能體）”的產(chǎn)品形態(tài)呈現(xiàn)，用戶可通過自然語言與司機(jī)Agent溝通，跟人類司機(jī)怎么說，就跟司機(jī)Agent怎么說。簡單通用的短指令由端側(cè)的VLA直接處理，復(fù)雜指令則先由云端的VL基座模型解析，再交由VLA處理。
超級對齊確保AI決策安全，世界模型破解AI黑盒難題
除了提升專業(yè)能力，VLA司機(jī)大模型還需解決安全性和模型黑盒的問題。
模型能力越強(qiáng)，越需要職業(yè)性約束，以確保能力下限。為了保障VLA司機(jī)大模型能夠?qū)崿F(xiàn)職業(yè)司機(jī)般的安全和舒適，避免學(xué)習(xí)加塞等違規(guī)行為，理想汽車在強(qiáng)化訓(xùn)練環(huán)節(jié)投入大量資源，并于2024年底組建超過100人的超級對齊團(tuán)隊(duì)，相當(dāng)于為司機(jī)Agent注入職業(yè)素養(yǎng)。
為解決模型的黑盒問題，理想汽車結(jié)合重建和生成兩種路徑，打造了真實(shí)、符合物理世界規(guī)律的世界模型，覆蓋所有交通參與者和要素。基于世界模型的仿真能力，VLA可以在世界模型中低成本、準(zhǔn)確地驗(yàn)證現(xiàn)實(shí)問題，提升解決問題的效率，有效應(yīng)對模型黑盒帶來的挑戰(zhàn)。
VLA司機(jī)大模型提升了專業(yè)能力，超級對齊增強(qiáng)了職業(yè)能力，VLA通過理解自然語言、具備記憶能力提升了構(gòu)建信任的能力。
人工智能時(shí)代，扎實(shí)的基本功比走捷徑重要
理想汽車堅(jiān)持自研，通過技術(shù)賦能用戶價(jià)值。例如，在輔助駕駛方面，由于英偉達(dá)Orin-X芯片無法直接運(yùn)行語言模型，端到端+VLM的輔助駕駛方案對部分企業(yè)來說仍具挑戰(zhàn)。理想汽車依托自有編譯團(tuán)隊(duì)，自研底層推理引擎，使芯片可通過INT4（4比特整型）量化的方式運(yùn)行VLM。同時(shí)，憑借芯片、控制器設(shè)計(jì)和自研汽車操作系統(tǒng)等綜合能力，理想汽車實(shí)現(xiàn)了讓雙Orin-X芯片和Thor-U芯片運(yùn)行同等規(guī)模的VLA司機(jī)大模型。李想表示，大型企業(yè)的基本功和能力永遠(yuǎn)無法被逾越。
得益于DeepSeek的開源，理想汽車在VLA司機(jī)大模型的語言能力研發(fā)上提速顯著，節(jié)省了近9個(gè)月的時(shí)間和數(shù)億元成本。盡管如此，理想汽車仍選擇加大投入，在基座模型上投入超預(yù)期3倍的訓(xùn)練卡，專注打造適配多場景的自研模型。
十周年將至，持續(xù)為行業(yè)和用戶創(chuàng)造價(jià)值
今年7月，理想汽車將迎來成立十周年。李想表示，“創(chuàng)業(yè)確實(shí)不容易，但是沒必要苦哈哈的?？嗪吞鹗且粋€(gè)硬幣的正反面，取決于看哪一面。”也正因這份積極樂觀的創(chuàng)業(yè)心態(tài)，理想汽車才能快速成長為千億營收規(guī)模、百萬交付量的新勢力企業(yè)。
面對AI的發(fā)展，李想認(rèn)為，在AI面前所有的人性都應(yīng)被保留，無論好壞，因?yàn)橐磺腥诵远际俏幕⑸?、性格、能力的特質(zhì)，也是人類真正的生命力所在。
從使用增程電動(dòng)和5C超充技術(shù)解決電池成本高、充電難、充電慢的問題，到自研汽車操作系統(tǒng)攻克傳統(tǒng)汽車操作系統(tǒng)性能差、開發(fā)緩慢、芯片匹配周期長等挑戰(zhàn)，理想汽車始終以技術(shù)創(chuàng)新解決行業(yè)無法解決的問題。自研VLA時(shí)，理想汽車更是踏入了人工智能的無人區(qū)。當(dāng)前，輔助駕駛走到了新的十字路口上，理想汽車將不斷挑戰(zhàn)成長的極限，持續(xù)為行業(yè)和用戶創(chuàng)造價(jià)值。
本文鏈接：http://www.enbeike.cn/news-5-8873-0.html讓AI化身專業(yè)“老司機(jī)”，理想汽車推出“VLA 司機(jī)大模型”
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會(huì)到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。
點(diǎn)擊右上角
微信好友
朋友圈
點(diǎn)擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點(diǎn)擊“
”按鈕
點(diǎn)擊右上角
QQ
點(diǎn)擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點(diǎn)擊“”按鈕
